一种基于GPU的瓦片块四叉树地形绘制算法

分析和比较了两种常用的以块为基础和以四叉树为基础的瓦片块地形绘制算法。利用Shader Model3.0引入的顶点纹理拾取技术,选择基于四叉树的瓦片块地形绘制方法,通过重复使用一小块顶点缓存和索引缓存,结合不同的缩放和平移因子来渲染不同细节层次的瓦片块。将高程值存储在顶点纹理中,在顶点着色器里查找并获取顶点的高程值,避免了在CPU上执行顶点缓存的更新。为了消除不同细节层次的瓦片块拼接时可能产生的裂缝现象,对地形块增加"裙子"顶点,并使增加的裙子三角形和瓦片块地形绘制算法无缝衔接在一起。试验证明该算法充分利用了现代GPU的特性,降低了CPU的负担,能达到较高的绘制效率。

基于硬件细分的层次细节地形渲染算法

针对顶点着色器细分地形网格需要额外生成模板、计算细分层次复杂的不足,提出了一种利用细分着色器进行地形网格细分的层次细节(LOD)地形渲染算法。利用分块四叉树组织建立地形粗糙网格的分层结构,以LOD判别函数对活动地形块进行筛选;提出了在细分控制着色器中基于视点三维连续距离的细分因子计算方法,并针对外部细分因子进行处理消除了裂缝;实现在细分计算着色器上的置换贴图,对精细网格的高度分量进行位移。而且将四叉树结构存储至顶点缓冲区,减少中央处理器(CPU)与图形处理器(GPU)的资源交换;引入细分队列加速细分过程。实验证明,该算法具有平滑的细节层次过渡和良好的细分效果,能够有效提高GPU利用率和地形渲染效率。

基于菱形块四叉树的全球六边形网格实时绘制方法

为解决全球六边形网格编码复杂、不易分层的问题,提出一种基于菱形块四叉树的全球多分辨率六边形离散网格实时绘制方法.首先以正20面体作为剖分基础,将全球划分为10个基础菱形块,并使之作为四叉树根节点;然后引入一种简化的六边形编码算法,借助孔径为4的六边形剖分方式实现层次间六边形与菱形块的快速索引,建立菱形六边形块的四叉树模型;最后针对菱形块三角化过程产生的裂缝问题,设计4类三角形条带,在调度过程对裂缝进行实时缝补.实验结果表明,该方法可在网格拓扑结构基本不变的情况下,实现视点相关的全球离散网格多分辨率可视化,与相同精度的单分辨率网格相比,在加快渲染效率的同时能有效地降低内存占用率.

大规模地形实时可视化算法

大规模地形实时可视化在GIS、虚拟现实、游戏、仿真等领域有着广泛的应用。文中在总结现有地形数据简化算法的基础上,提出了一种基于数据分块、动态调度以及与视点相关的地形实时可视化算法,实现了大规模地形的快速漫游。运用视景体裁剪、三角形条带组织以及边界裂缝消除、视觉光滑处理等手段,提高了地形漫游的效率与可视化效果。

自适应图像分块压缩算法的实现和性能分析

自适应图像分块压缩算法是一种根据区域特征自动调整DCT变换尺寸提高编码效率的图像编码方法,该文提出了这种算法的快速实现方法,分析了这种编码方法的算法复杂度和编码效率,并用标准图像进行了测试。

基于GPU的全球地形数据加速绘制技术研究

在对基于GPU大规模地形数据快速绘制方法的研究基础上,针对GPU的批量绘制的特点,提出了改进的几何体实例化方法,把它用在全球格网的快速绘制上。把地形数据通过重新编码存储在高度图中,再结合Shader Model 3.0引入的顶点纹理拾取技术,在GPU中进行解码,得到原始的DEM数据,避免了在CPU上执行顶点缓存的更新。实验证明该算法充分利用了新一代GPU的特性,降低了CPU的负担,能达到实时绘制的要求。

一种自适应分块图像压缩算法的研究

自适应分块图像压缩是在四叉树分解图像压缩原理基础上研究设计的一种新的算法。将图像中像素值相同的相邻像素点尽可能划分到同一个图像块中,采用稀疏矩阵三元组存储方式对图像块参数进行存储,从而达到图像压缩的目的。使用MATLAB对算法进行了仿真,成功地完成了图像压缩和重建,并在不同条件下,对图像压缩过程中的各个参数与四叉树分解进行了分析比较。结果表明新方法分块自适应度高,提高了图像压缩比。

基于四叉树分解和MB_LBP模式的人脸识别算法

针对多尺度块局部二值模式MB_LBP在分块尺寸选择上的不足,提出了一种基于四叉树分解的MB_LBP算法。算法首先利用图的四叉树分解方法对人脸图像进行高同质性的划分,得到非固定尺寸的图像子块集合;然后对每个图像块利用改进的MB_LBP算法得到图像块的LBP值;最后,将所有的LBP值形成统计直方图得到整幅图像的特征。算法有效考虑了图像块的纹理特性,优化了局部特征值选择,提高了识别正确率。通过在ORL和YALE人脸数据库中进行仿真实验,结果表明,提出的算法相比MB_LBP方法识别正确率提高约10个百分点,并且在针对高分辨率人脸图像时识别速度提高1 s左右。算法适用于高分辨率的人脸图像快速识别。

电子稳像中运动矢量一致性的优化算法

针对电子稳像技术传统块匹配法求运动矢量的固有缺点,采取四叉树———一种变块匹配方法计算运动矢量,使求得的运动矢量有较好的一致性.与其它变块匹配方法相比,该方法克服了其它变块匹配法的不足.实验表明,使用该法求出的运动矢量有较好的一致性和准确性.

目标跟踪中的四叉树分块模型

针对计算机视觉领域中,建立能够描述图像结构特性的目标模型问题,提出了一种基于四叉树分块的密度估计模型。采用四叉树分块方法对目标图像块进行划分,根据各分块的尺度和像素值统计特性建立局部的密度估计模型。实验结果和分析表明,基于四叉树分块的局部密度估计模型解决了全局密度估计模型无法描述结构特性的问题,而且用较少的分块数量有针对性地描述了目标的细节,同时简化了密度估计算法的计算过程,在目标跟踪应用中较其他算法表现出较优的性能。

基于自适应门限的快速分形编码方法

利用图像子块的自身统计特性,并结合父块变换过程中方差不变的特性来减少匹配库中候选块的数目,依据匹配门限可以由子块的方差来确定的原理,提出了一种基于自适应门限的分形图像编码算法的改进算法.实验表明,该算法在保持压缩比基本不变的情况下,在还原图像PSNR方面有所提高,缩短了图像的编码时间.